CV非常依赖图像处理的基本知识！注意学习图像的基础知识

图像的基本知识

不同的色彩空间：

• 灰度 1byte 描述灰白图像，一个数值，单通道

• RGB 3byte 描述一张彩色图像，3个数值，一般是三通道，但是可以通过压缩，让RGB三个数值总共占16bit(比如RGB 565)，即两通道

  • BGR 交换了色彩通道，不同的框架在显示图片时默认的色彩空间是不一样的，但图片的二进制一样，因此颜色可能会出现问题。

• HSV

  • Hue： 色相，用角度度量的色彩 红色为0°，绿色为120°,蓝色为240°，其实吧，直接通过Hue就可以看出来颜色了啊？
    • 
  • Saturation: 饱和度, 表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。 「人话就是：颜色的纯度。控制饱和度的方式是在颜色中加入白色，这个值越大，加入的白色越少，颜色就越纯，换句话说，圆盘的中心就是白色，外圈则是纯色」
  • Value: 明度. 明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白） 「和饱和度相对应，就是在颜色中加入黑色的量，这个值越大，加入的黑色越少，明度就越高」

• HSL

  • Hue 还是色相，这和HSV是完全一样的
  • Saturation，这个和HSV的饱和度机制不同，具体如何生效？
  • Lightness：图像亮度 「它一项就相当于HSV中的S和V，最亮为白色，最暗为纯黑色，所以可以看到HSL最上面一圈是白的，最下面一圈是黑的」
  • 他们的具体区别如下图所示 (左为HSL，右为HSV)
  • 

• YUV

  • 颜色编码方法。 考虑到人类的色彩感知能力，在编码时对信息进行下采样
  • Y：明度(灰阶值)， U&V(色度，描述色彩和饱和度)
  • 出现在彩色和黑白电视的过渡时期。

图像的变换(直接处理)

反色变换

目标：增加暗色背景图像里的明亮区域

如果图像灰度值范围为 [0, L], 则反色变换为

$输出灰度值output = 最大灰度值L - 输入灰度值input$

也就是说，输出灰度矩阵中的每个点的灰度，是原图像中最大灰度点的灰度 - 自己本身的灰度

​ (如图像最大灰度为160，这个像素点的灰度为20，那么转换后它的灰度为 160-20 = 140)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

import numpy as np   # matrix manipulation
from PIL import Image   # read image from hard disk
import matplotlib.pyplot as plt   # matplotlib中的绘图工具

def image_inverse(input):
  value_max = np.max(input)  # 求出图片的最大灰度值，注意这里是一个整型
  output = value_max - input  # 利用numpy的广播机制，使得value
  
if __name__ == '__main__':
		# asarray 将图像转变为numpy矩阵
    gray_img = np.asarray(Image.open('./x.jpg').convert('L'))
		inv_img = image_inverse(gray_img)
    
    fig = plt.figure()
    ax1 = fig.add_subplot(121)   # 指图像数量为一行两列, 第三个1为1号位置
    ax1.set_title('before')
    # cmap = 'gray' 意味着图像以灰度图像的形式显示
    ax1.imshow(gray_img, cmap = 'gray', vmin = 0, vmax = 255)
    
    ax2 = fig.add_subplot(122)
    ax2.set_title('after')
    ax2.imshow(inv_img, cmap = 'gray', vmin = 0, vmax = 255)
    
    plt.show()